新闻中心

近日，2025年北美放射肿瘤学会（ASTRO）年会在美国芝加哥顺利召开。医智影与中山大学肿瘤防治中心合作的科研项目——《放疗结构验证的标准化与自动化》（Standardization and Automation in Radiotherapy Structure Verification），成功入选本届ASTRO年会壁报展示，并在“患者安全（Patient Safety）”专题环节进行现场交流，获得国际同行的高度关注。

该研究聚焦于放疗计划设计中的关键环节——结构勾画的质量控制，首次系统性地构建并验证了一套全自动结构质控系统，为实现高效、标准化、可重复的质控流程提供了重要依据。

临床痛点：放疗“蓝图”的质检困境

在放射治疗中，医生需要精确地勾画出治疗靶区（需要照射的区域）和危及器官（需要保护的正常组织），这个过程被称为“结构勾画”或“轮廓勾画”。这些结构，就像是建筑师笔下的施工蓝图，后续所有复杂的剂量计算和治疗执行，都将严格依据这份“蓝图”进行。蓝图的任何细微偏差，都可能导致治疗功亏一篑。然而，确保这份“蓝图”绝对精准，却一直是临床实践中的巨大挑战。

•传统人工结构审核的主要局限

效率限制：经验丰富的医师通常需要约30分钟完成一例患者的全结构审核。由于需要在数十至上百层CT图像上进行逐层检查，这一过程耗时较长，成为放疗工作流中的效率瓶颈。

人为因素影响：在长时间、重复性高的审核工作中，医师的注意力会出现正常波动，可能导致对细微结构异常（如孤立坏点、微小断层等）的识别遗漏。

标准一致性不足：不同医师之间对结构可接受误差的判断标准存在差异，缺乏统一的客观评价体系，影响了质控结果的一致性和可比性。

• 自动勾画时代的“新挑战”

随着AI自动勾画技术的普及，虽然初始勾画效率大大提升，但算法并非完美，其产生的结构同样需要严格审核。“AI勾画+人工质检” 的模式，在无形中又为医生和物理师增添了新的审核负担。

如何才能打破这一困境？能否打造一位不知疲倦、明察秋毫的“AI质检员”，与医生并肩作战？这正是医智影与中山大学肿瘤防治中心此项研究旨在回答的核心问题。

研究设计：构建标准化自动质控体系

结构勾画是放射治疗计划设计的基础，其质量直接关系到最终剂量分布的准确性与治疗实施的精确性。尽管自动勾画技术已显著提升轮廓生成的效率，但勾画结果的质控环节仍高度依赖医师与物理师的人工审核，存在效率低、一致性差及易受主观因素影响等问题。

明确质控标准：定义六大类结构异常

为实现自动化质控，本研究首先对临床常见的结构异常进行了系统性归纳与定义，确立了六类需检测的核心问题。

建立验证数据集与比对流程

研究共纳入220例临床病例的CT图像及自动勾画结构，涵盖99例头颈部病例与121例胸腹部病例，确保样本具有充分的解剖多样性与临床代表性。

为评估系统性能，研究设计了严格的比对流程：将同一批数据分别交由三位资深放射科医师组成的专家组，以及医智影自主研发的自动化质控系统进行独立评估。通过记录审核时间与问题检出结果，系统比较人工审核与自动化系统在效率与检出能力方面的差异。

系统技术框架

该系统基于图像处理与几何特征分析算法，实现对结构数据的三维解析与异常识别。通过连通性分析、空间拓扑关系判断及统计模型比对，系统可自动识别异常，并生成结构化质控报告。

研究结果：自动化系统在效率与检出维度表现突出

审核效率实现数量级提升

在审核时间方面，人工专家组平均每例耗时约27分钟，而自动化系统仅需约3分钟即可完成全结构审核，效率提升近9倍。这表明该系统可显著缩短质控周期，为临床工作流释放宝贵时间。

问题检出数量显著优于人工审核

在220例数据中，人工审核共识别出70处结构异常，包括断层41处、重叠9处、空洞15处及体积异常5处。

相比之下，自动化系统共识别出460处异常，检出数量为人工的6.5倍以上，显示出其在识别细微结构问题方面的显著优势。

关键异常识别准确率高

经与专家组复核确认，系统在四类核心异常的识别中表现出极高的准确性：坏点、断层、空ROI、空洞的真阳性率均超过98%；

临床意义：为结构质控提供标准化路径与人机协同范式

本研究结果表明，自动化结构质控系统具备显著提升临床质控效率与覆盖范围的潜力，其核心价值体现在以下方面：

建立客观、统一的质控标准

系统通过算法实现对所有病例的一致性质控，有效减少因用户经验、疲劳程度或审阅标准不一致所导致的质控差异，推动结构质控向标准化与同质化发展。

释放医师、物理师精力，聚焦临床决策

将重复性高、耗时长的初步筛查工作交由系统完成，使用户能够将更多时间投入靶区确定、剂量优化与方案审核等更高价值的临床环节，提升整体诊疗效率。

构建高效可靠的人机协同质控模式

本研究为“人机协同”提供了明确路径：由系统完成全面、快速的初筛，用户则负责对系统提示的异常进行最终审核，尤其在对临床语境要求较高的重叠与体积异常判断中发挥关键作用。该模式既可提升质控效率，也保障了临床安全的底线。

指明未来技术发展方向

系统在重叠与体积异常识别中的性能表现，为后续算法优化指明了方向。未来工作将聚焦于引入更丰富的临床上下文信息与深度学习模型，以提升复杂场景下的判断精度。

医智影与中山大学肿瘤防治中心的此项研究，在国际舞台上展示了中国在智慧放疗与医疗质量控制领域的创新实力。通过将自动化、标准化理念深度融入放疗结构质控流程，不仅为临床提供了一套可行的技术解决方案，也为全球范围内放疗质控的智能化发展提供了重要实践参考。未来，医智影将继续深化与临床机构的合作，持续优化系统性能，推动自动化质控技术在更多医疗场景中落地应用，为提升放射治疗的整体质量与安全水平贡献力量。